基于非精确状态的动态组播QoS路由算法

基于非精确状态的QoS组播路由问题,提出了一种由信宿驱动的动态组播路由算法,实验和分析结果表明,构造的路由方案成功成功地解决了在网络中存在多个组播业务及组播节点动态变化情况下的QoS路由选择问题。     

一种解多QoS约束组播问题的改进蚁群算法

多QoS约束的组播路由技术是当前实现分布式网络多媒体的关键技术,蚁群算法是解决多QoS约束组播路由问题的一种启发式算法,但存在收敛速度慢等缺陷. 基于这种情况提出了一种改进的蚁群算法,该算法采用基于组成员节点驱动的方式构造组播树,并在概率转移函数中添加了方向因子,使蚂蚁在寻找路径时摆脱了最初的盲目性,以更大的概率快速向源节点靠近. 仿真实验证明,改进蚁群算法的收敛速度明显提高.     

无线网络中基于蚁群算法的QoS组播路由算法

为了将传统基于蚁群算法的QoS组播路由算法应用于无线网络,针对蚁群算法收敛速度慢和无线网络节点能量有限的特点,提出一种无线网络中基于蚁群算法的QoS组播路由算法。在选路时利用节点电量选择能量大的为下一跳节点,并保留信息素给后续选路使用,加快算法的收敛速度。仿真结果表明,该算法能够明显提高算法的收敛速度,延长整个网络的生存时间,是一种很好的无线网络组播路由算法。     

基于遗传-蚁群优化算法的QoS组播路由算法设计

为了提高网络路由性能,提出并设计了一种基于遗传-蚁群优化算法的QoS组播路由算法。首先,设计了自适应变频采集策略用于采集网络与节点信息,以此获得网络和节点的状态,为后续路由优化提供数据支持;其次,计算路径代价,将路径代价最小作为优化目标,建立QoS组播路由优化模型,并设置相关约束条件;最后,结合遗传算法和蚁群算法提出一种遗传-蚁群优化算法求解上述模型,输出最优路径,完成路由优化。实验结果表明,所提算法可有效降低路径长度与路径代价,提高搜索效率与路由请求成功率,优化后的路由时延抖动较小。     

基于改进的蚁群系统的多QoS约束组播路由算法

该文提出了一种新的改进蚁群算法,加速算法收敛速度,实行多个独立QoS约束的更新策略,满足用户的QoS要求.仿真实验表明,应用这种改进型蚁群算法于多播路由问题,可以得到比现有启发式算法更好的结果.     

基于改进克隆算法的WSN的QoS路由研究

为解决在无线传感器网络QoS约束下的最优路由选择问题,在优化网络拓扑结构的基础上,提出利用克隆选择算法和蚁群算法结合求解WSN组播路由的方法.该算法利用克隆选择算法对原始路由种群进行优化改善,避免搜索过程陷入早熟收敛问题,然后利用蚁群算法快速搜索.该算法在保证能力最优的前提下,提高了路由搜索速度,在保证最优路径选择基础上,节约了通信成本,仿真结果证明了其可行性和有效性.     

改进人工鱼群算法及其在QoS组播路由问题中的应用

提出了一个基于蚁群算法和人工鱼群算法相结合的QoS组播路由算法.首先利用改进的Salama网络拓扑随机生成算法,随机生成一个网络拓扑图,再利用蚁群算法并行搜索的特点找出大量满足约束条件的可行路径,创建备选路径集,最后使用人工鱼群算法在所创建的备选路径集中,通过执行觅食、聚群、追尾等行为求解最优组播树.仿真结果表明,该算法跟基本的鱼群算法相比有着更高更快的效率,能够尽快的找到最优的组播树,并具有更好的全局优化性能,适合于高速的、实时的多媒体传输网络.     

基于遗传模拟退火算法的QoS组播路由问题求解

提出了一种基于遗传模拟退火算法的带宽时延约束费用最小组播路由选择方法,该方法针对遗传算法的局限性,采用基于备选路径集的整数序列编码机制,对适应度函数进行了调整,改进了交叉和变异操作,并结合了模拟退火算法.实验表明,该算法能够有效地提高收敛速度,避免早熟收敛,能够满足多媒体网络对相应QoS的需求.     

基于改进蚁群算法的QoS路由研究

由于网络规模的扩大,路由节点的距离增加,多种路由约束因素对传统路由算法的寻优过程造成极大的干扰.针对这一问题,提出了一种基于改进蚁群算法的QoS路由算法.该算法在QoS多约束条件下,利用蚁群算法具有较强的正反馈特性,强化了算法的搜索特性;同时对蚁群算法的转移概率因子和信息素更新规则进行优化,使得改进后路由算法的收敛性和随机搜索性均得到提高.仿真实验结果表明,基于改进蚁群算法的QoS路由在多种路由约束条件下的寻优能力得到保障,寻优效率得到提升.     

基于子树受限QoS的组播路由恢复算法

通过对多媒体组播协议的研究,发现在组播树中的路由节点发生故障后,树中节点将分散为若干个不同QoS需求的子树,通常的做法是将子树的所有节点重新发起构造成新的组播树.通过增加对子树受限QoS信息的描述,在组播树中路由节点发生故障之后,只是按照子树的QoS信息重新构造新组播树,子树构造不成功时才进行所有节点的构造.仿真试验表明,在路由节点故障情况下子树的构造成功率平均超过80%,同时这种方可缩短组播树故障恢复时间并降低重构开销.该算法还可以提高组播应用的可靠性.     

基于交叉熵的多约束QoS组播路由蚂蚁算法

基于多媒体传输的网络应用均对服务质量(quality of service,QoS)有迫切的需求,如带宽、延迟、丢包率等。寻找满足上述QoS要求的组播树问题是一个NP-完全问题。在已有的多约束QoS组播路由算法中主要是局部搜索算法或集中式搜索算法,这些均不能保证在实际网络中找到全局解。本文提出用基于交叉熵的蚁群优化算法来求解多约束QoS组播路由问题,NS2仿真结果表明该算法能够快速找到近似最优解。     

基于蚁群算法的Qo S路由模型的设计与优化

为了提升网络数据传输中路由性能,采用蚁群算法解决网络路由出现的问题。首先介绍了蚁群算法的原理与模型,然后根据实际应用的QoS路由具体问题,建立QoS路由模型,设计基于ACO的Qo S路由算法。通过仿真实验,对参数进行优化分析,验证了蚁群算法在网络路由中的应用效果,证明这种方法能够提高网络数据传输中路由的性能。     

基于可用带宽的QoS多播路由算法

设计了一种基于时延、时延抖动和包丢失率3个QoS约束下的最大可用带宽多播树求解模型，将可用带宽作为主度量参数来构建多播树。能够针对特定的服务需求对各个QoS度量的重要性进行灵活调整。其算法具有多项式复杂度，并通过仿真证明了算法的有效性。     

基于PBIL的综合QoS参数组播路由

提出了一种基于PBIL(Population-Based Incremental Learning)的QoS组播路由算法,它能在综合QoS参数约束条件下寻找代价最小的多播树.该算法有效地结合了遗传算法的进化特性与竞争学习算法的特点,采用基于路径的树编码结构和基于概率的备选路径集,在网络规模较大的情况下也能得到很好的应用.仿真实验表明,该算法快速有效.     

基于可用带宽的QoS多播路由算法

设计了一种基于时延、时延抖动和包丢失率3个QoS约束下的最大可用带宽多播树求解模型,将可用带宽作为主度量参数来构建多播树.能够针对特定的服务需求对各个QoS度量的重要性进行灵活调整,其算法具有多项式复杂度,并通过仿真证明了算法的有效性.     

基于PBIL的综合QoS参数组播路由

提出了一种基于PBIL(Population-Based Incremental Learning)的QoS组播路由算法,它能在综合QoS参数约束条件下寻找代价最小的多播树.该算法有效地结合了遗传算法的进化特性与竞争学习算法的特点,采用基于路径的树编码结构和基于概率的备选路径集,在网络规模较大的情况下也能得到很好的应用.仿真实验表明,该算法快速有效.     

高效的遗传蚁群组合算法在QoS路由上的运用

针对现有遗传蚁群算法中算法融合不佳与系统易出现拥塞现象等问题,根据遗传算法与蚁群算法不同时期的优点,提出了一种高效的遗传蚁群组合算法。该算法通过根据遗传算法的群体代价关系,提出了新的融合机制;为缓解系统最优化后所产生的节点负载压力,引入了防拥塞的赏罚机制。实验结果表明,该算法能够在保证系统传输效率的同时有效的防止数据丢包现象,与传统算法相比具有高效率、低耗能以及防丢包等优势。     

基于蚁群算法的异构传感器网络路由算法

在能量异构传感器网络中,由于节点能量在一定范围内随机分布,平衡能量消耗和延长网络寿命成为此类算法的一个重要挑战．针对该问题,提出了一种基于蚁群算法的异构传感器网络路由算法．算法通过改善网络拓扑结构、优先使用剩余能量较大的节点、构建异构传感器网络多路径路由来实现．模拟实验表明：与传统路由算法（DADC）相比,算法能更好地平衡能量消耗,延长网络寿命．     

基于蚂蚁算法的通信网络QoS路由方法

对于提供基于QoS服务的通信网络来说，QoS路由是其中一个很关键的因素。本文介绍的基于蚂蚁算法QoS路由就是一个很好的解决方法。此前的一些算法只考虑了时延这一影响，本文的方法则考虑了服务质量的其它一些参数，比如有保证的带宽和最大的延迟等，从而提供更好的服务质量。